Câu hỏi: AIE301m Ứng dụng trí tuệ nhân tạo cho giao dịch – Bộ ôn tập thi lại số 1

Đáp án đúng gồm hai ý: "Linear regression" và "Time series". Dự báo (forecasting) là dự đoán một giá trị số trong tương lai, nên trong BigQuery ML có hai nhóm mô hình phục vụ việc này. "Linear regression" (model_type LINEAR_REG) dự đoán một giá trị liên tục từ các đặc trưng, như dự báo giá đóng cửa của cổ phiếu từ các giá trước đó. "Time series" là mô hình ARIMA_PLUS, tự xử lý xu hướng, mùa vụ, ngày lễ và cho ra dự báo nhiều bước bằng ML.FORECAST. "K-means clustering" là học không giám sát, gom các điểm dữ liệu thành cụm như phân nhóm khách hàng hay nhóm cổ phiếu có hành vi giống nhau, không cho ra một giá trị dự báo cho tương lai. "Matrix factorization" là mô hình gợi ý (recommendation), phân rã ma trận người dùng và sản phẩm để đề xuất sản phẩm, không phải mô hình dự báo theo thời gian.

Đáp án đúng: "Tanh (Hyperbolic Tangent)". Ở lớp hồi quy của RNN, trạng thái ẩn được tính lặp qua từng bước thời gian, nên hàm kích hoạt cần chặn giá trị trong khoảng từ −1 đến 1 và đối xứng quanh 0 để trạng thái không phình to sau nhiều bước; tanh đáp ứng điều đó, và các lớp SimpleRNN, LSTM, GRU trong Keras đều để kích hoạt mặc định là tanh. "ReLU (Rectified Linear Unit)" phổ biến ở lớp ẩn của mạng truyền thẳng và CNN, nhưng không bị chặn trên nên khi lặp trong vòng hồi quy dễ làm giá trị bùng nổ. "Sigmoid" có mặt trong RNN nhưng ở vai trò cổng (gate) của LSTM, GRU, cho ra hệ số từ 0 đến 1 để quyết định giữ hay quên thông tin, không phải kích hoạt chính của trạng thái ẩn. "Softmax" dùng ở lớp đầu ra để biến điểm số thành phân phối xác suất trên nhiều lớp, không dùng bên trong lớp hồi quy.

Đáp án đúng: "All of the above". Dropout là kỹ thuật chính quy hoá: trong mỗi bước huấn luyện, mỗi nơ-ron bị đặt đầu ra bằng 0 với xác suất p, khi suy luận thì dùng toàn mạng với trọng số đã được bù tỉ lệ. Mục đích chính là "To regularize the network and prevent overfitting", buộc mạng không dựa dẫm vào vài nơ-ron cụ thể mà học các đặc trưng bền vững. "To randomly disable neurons during training" đúng vì đó chính là cơ chế hoạt động của dropout. "To reduce the model's capacity" cũng đúng vì mỗi bước chỉ một mạng con được huấn luyện, làm giảm dung lượng hiệu dụng, và đó là hệ quả dẫn tới chống quá khớp. Ba ý lần lượt là cơ chế, hệ quả và mục đích của cùng một kỹ thuật, nên chọn riêng lẻ một ý là chưa đủ, phương án tổng hợp mới mô tả trọn dropout.

Đáp án đúng: "3". Phát triển một chiến lược học tăng cường sâu được chia thành ba giai đoạn: phát triển (xây môi trường giao dịch, định nghĩa trạng thái, hành động, phần thưởng và huấn luyện agent), kiểm thử (đánh giá agent trên dữ liệu chưa thấy, backtest) và tối ưu (tinh chỉnh siêu tham số, phần thưởng, kiến trúc mạng). Cần nói thẳng rằng số bước phụ thuộc cách chia của từng tài liệu và không có con số chuẩn chung, nhưng ba giai đoạn phát triển, kiểm thử, tối ưu là cách chia gọn nhất bao trọn quy trình. "1" quá ít vì gộp mất khâu kiểm thử bắt buộc. "5" và "7" là cách tách nhỏ hơn các bước bên trong ba giai đoạn ấy, không phải cách chia được chọn ở đây.

Đáp án đúng: "Cover market costs and Capture level of profit". Mức thoát lệnh chốt lời (profit exit level) là ngưỡng giá mà tại đó hệ thống đóng vị thế có lãi, và nó phải thoả hai yêu cầu: đủ xa để bù được chi phí thị trường như chênh lệch mua bán, trượt giá, phí, và đủ để thu được mức lợi nhuận mục tiêu mà chiến lược đặt ra. "Cover market costs and Brokerage commissions" thiếu hẳn yếu tố lợi nhuận, và hoa hồng môi giới vốn đã nằm trong chi phí thị trường nên nêu lại là trùng. "Brokerage commissions and Capture level of profit" chỉ tính một loại phí, bỏ qua chênh lệch giá và trượt giá, nên mức thoát có thể chưa đủ bù chi phí thật. "Capture level of profit and Meets required return on trading capital" bỏ mất yêu cầu bù chi phí; lợi suất yêu cầu trên vốn là mục tiêu ở cấp chiến lược hay danh mục, không phải nội dung của một mức thoát lệnh riêng lẻ.

Đáp án đúng: "BigQuery Machine Learning". BigQuery ML cho phép tạo, huấn luyện, đánh giá và dự đoán bằng mô hình học máy ngay trong kho dữ liệu BigQuery bằng câu lệnh giống SQL như CREATE MODEL, ML.EVALUATE và ML.PREDICT, nên người phân tích dữ liệu không cần viết Python hay chuyển dữ liệu ra ngoài. "Tensorflow" là thư viện học máy lập trình bằng Python hay C++, xây mô hình bằng mã chứ không bằng cú pháp SQL. "Perception APIs" là nhóm API dựng sẵn của Google Cloud cho thị giác, ngôn ngữ, giọng nói, gọi để lấy kết quả từ mô hình Google đã huấn luyện chứ không để tự xây mô hình bằng SQL. "Cloud Vision" là một API cụ thể trong nhóm đó, nhận diện nhãn, chữ, khuôn mặt trong ảnh, cũng không phải công cụ dựng mô hình bằng truy vấn.

Đáp án đúng: "All of the above". Lặp chính sách (policy iteration) xen kẽ hai bước: đánh giá chính sách, tính giá trị của từng trạng thái bằng phương trình Bellman, rồi cải thiện chính sách bằng cách chọn hành động tốt nhất theo giá trị vừa tính, lặp tới khi chính sách không đổi. "Weighting state prime" thuộc khái niệm này vì mỗi bước đánh giá đều lấy giá trị của trạng thái kế tiếp s' nhân với xác suất chuyển và hệ số chiết khấu. "Value iteration complexity" thường được đặt cạnh khi phân tích, vì lặp giá trị là cách tiếp cận song song và hai phương pháp được so sánh về độ phức tạp mỗi vòng cùng số vòng hội tụ. "Modify policy iteration complexity" ứng với lặp chính sách cải biên (modified policy iteration), chỉ đánh giá chính sách vài bước thay vì giải trọn để giảm chi phí. Mỗi ý chỉ là một khía cạnh nên phương án tổng hợp là đầy đủ nhất.

Đáp án đúng: "ReLU (Rectified Linear Unit)". ReLU tính max(0, x), đạo hàm bằng 1 với đầu vào dương nên gradient không bị co nhỏ dần khi lan truyền ngược qua nhiều lớp, lại rẻ để tính, vì vậy là mặc định cho lớp ẩn của mạng sâu. "Sigmoid" nén đầu ra vào 0 tới 1 và bão hoà ở hai đầu, gây triệt tiêu gradient (vanishing gradient) khi mạng sâu, nay chủ yếu dùng ở lớp ra nhị phân hoặc trong cổng LSTM. "Tanh" đối xứng quanh 0 tốt hơn sigmoid nhưng vẫn bão hoà, thường thấy trong RNN hơn là mạng sâu truyền thẳng. "Softmax" chuyển điểm số thành phân phối xác suất, dành cho lớp ra phân loại nhiều lớp chứ không cho lớp ẩn.

Đáp án đúng: "All of the above". Để xây dựng và kiểm tra một hệ thống giao dịch cần đủ bốn khối, mỗi khối giải một việc khác nhau. "Trading strategy" là quy tắc vào lệnh, ra lệnh dựa trên một lợi thế như theo đà hay hồi quy về trung bình. "Backtesting system" chạy chiến lược trên dữ liệu lịch sử, mô phỏng chi phí và trượt giá, đo lợi suất, tỉ số Sharpe, mức sụt giảm để đánh giá trước khi dùng tiền thật. "Execution system" chuyển tín hiệu thành lệnh gửi tới nhà môi giới hoặc sàn, quản lý trạng thái lệnh và giảm chi phí thực thi. "Risk management system" giới hạn khối lượng vị thế, đòn bẩy, mức lỗ tối đa để hệ thống không bị một chuỗi thua lỗ xoá sổ. Thiếu một khối thì hệ thống hoặc không kiểm chứng được, hoặc không giao dịch được, hoặc không an toàn, nên đáp án tổng hợp là đúng.

Đáp án đúng: "Sigmoid". Phân loại nhị phân cần đầu ra là xác suất thuộc lớp dương; hàm sigmoid nén mọi số thực về khoảng 0 đến 1, nên một nơ-ron đầu ra sigmoid kết hợp hàm mất mát binary cross-entropy là cấu hình chuẩn, và lấy ngưỡng 0,5 để ra nhãn. "ReLU (Rectified Linear Unit)" cho giá trị từ 0 tới vô cùng, không phải xác suất, nên dùng ở lớp ẩn chứ không ở đầu ra phân loại. "Tanh" cho giá trị từ −1 đến 1, cũng không diễn giải trực tiếp thành xác suất, thường dùng ở lớp ẩn hoặc lớp hồi quy. "Softmax" dùng cho phân loại nhiều lớp, chia xác suất trên nhiều nơ-ron đầu ra có tổng bằng 1; với hai lớp nó tương đương sigmoid nhưng cần hai nơ-ron, nên lựa chọn thông dụng cho bài nhị phân vẫn là một nơ-ron sigmoid.